基于文本驱动的分层全景三维高斯场景生成方法及系统

本申请提供一种基于文本驱动的分层全景三维高斯场景生成方法及系统，应用于人工智能技术领域。包括：获取文本提示对应的等距圆柱投影ERP全景图，对ERP全景图进行实例分割，提取ERP全景图的各个物体实例掩膜；针对每个物体实例掩膜，通过逐掩膜透视查询网络预测物体实例掩膜对应的物体实例沿全景光线方向的物体厚度场，以及沿全景光线方向从物体实例的背面至下一个表面之间的背景间隙场；获取ERP全景图沿全景光线方向的可见表面深度，根据可见表面深度、物体厚度场及背景间隙场，确定每个物体实例对应的多层径向几何；根据多层径向几何，生成分层全景三维高斯场景。实现了从文本提示出发生成具有几何一致性的可漫游全景三维场景。